동국대학교 김성준 교수 연구팀 / 사진. 동국대학교

동국대학교(이하 동국대) 김성준 교수 연구팀이 뉴로모픽 컴퓨팅 시스템 구현에 최적화된 고집적 강유전체 멤리스터 어레이를 개발했다. 인가 전압에 따라 휘발성과 비휘발성 메모리 특성을 동시에 구현할 수 있는 기술로, 고성능 AI 하드웨어 구현에 새로운 가능성을 제시했다.'

동국대 전자전기공학부 소속 박용진(석사), 임은진(석사과정 수료), 이승준(석사과정) 학생이 공동 제1저자로 참여했고, 김성준 교수와 김성준 박사후연구원이 교신저자로 참여한 이번 연구는 ‘Nano Energy’(IF=16.8) 2025년 8월 온라인판에 ‘Ferroelectric memristor crossbar arrays for highly integrated neuromorphic computing system’이라는 제목으로 게재됐다.

멤리스터는 트랜지스터 없이 메모리 및 스위칭 기능을 구현할 수 있어 뉴로모픽 시스템의 핵심 소자로 주목받고 있다. 하지만 기존 기술은 낮은 집적도와 기능적 한계를 안고 있었다. 김 교수 연구팀은 하프늄(Hf) 계열 강유전체 물질을 기반으로 한 멤리스터 소자 구조를 개발하고, 이를 고수율로 24×24 크로스바 어레이 형태로 제작하는 데 성공했다.

연구팀은 다양한 셀 크기에서 터널링 전류와 스위칭 속도를 분석해 소자의 성능을 정량적으로 입증했다. 특히 이번에 개발한 소자는 인가된 전압의 강도를 조절함으로써 단기 기억과 장기 기억을 동시에 구현할 수 있으며, 생물학적 시냅스의 가소성 특성을 재현할 수 있다는 점에서 주목받고 있다.

실제로 반복 자극에 따라 학습 효과가 누적되고, 자극의 간격·지속시간·횟수에 따라 가중치가 조절되는 등, 인공 시냅스로서의 동작 특성이 확인됐다. 연구팀은 이 기술이 차세대 AI 반도체 기술이나 뉴로모픽 연산 장치에 유용하게 적용될 수 있을 것으로 기대하고 있다.

김성준 교수는 “전자 소자의 미세화가 중요한 반도체 산업에서, 차세대 물질을 기반으로 한 고성능 메모리 소자는 AI 컴퓨팅과 같은 시냅스 기능이 필요한 분야에서 핵심 역할을 할 수 있다”라며 “이번 연구는 고집적 뉴로모픽 시스템 구현 가능성을 실질적으로 보여줬다는 점에서 의미가 크다”라고 말했다.

한편, 이번 연구는 한국연구재단의 중견연구사업과 글로벌 기초연구실 사업의 지원을 받아 수행됐다. 또한 산업통상자원부의 ‘AI-핵심소재 기반 첨단산업 지능형 로봇 글로벌인재양성사업단’의 일환으로, 연구팀은 영국 University of Glasgow와 협력해 국제 공동연구를 진행했다.